import tensorflow as tf
import os
import pathlib
import time
import datetime
from matplotlib import pyplot as plt
from IPython import display
O dataset utilizado foi o "Facades"que consiste de imagens de fachadas de edifícios e suas correspondentes anotações de segmentação, que descrevem a estrutura da fachada, incluindo informações sobre diferentes partes da fachada, como janelas, portas e outras características arquitetônicas.
dataset_name = "facades"
# URL para o download do dataset
_URL = f'http://efrosgans.eecs.berkeley.edu/pix2pix/datasets/{dataset_name}.tar.gz'
# Baixa o arquivo .tar.gz do dataset e o extrai
path_to_zip = tf.keras.utils.get_file(
fname=f"{dataset_name}.tar.gz",
origin=_URL,
extract=True)
path_to_zip = pathlib.Path(path_to_zip)
PATH = path_to_zip.parent/dataset_name
Nesta etapa, carregamos uma imagem do dataset para visualizar como ela é formatada. Cada imagem contém uma representação real da fachada e sua correspondente rotulação arquitetônica.
sample_image = tf.io.read_file(str(PATH / 'train/1.jpg'))
sample_image = tf.io.decode_jpeg(sample_image)
print(sample_image.shape)
(256, 512, 3)
plt.figure()
plt.imshow(sample_image)
<matplotlib.image.AxesImage at 0x7dbaa3940730>
a função load será responsável por carregar e pré-processar as imagens do dataset. A função irá separar a imagem de entrada (input_image) da imagem real (real_image) a partir de uma imagem combinada, onde ambas as partes estão lado a lado.
def load(image_file):
# Decodifica a imagem
image = tf.io.read_file(image_file)
image = tf.io.decode_jpeg(image)
# Separa a imagem em partes
w = tf.shape(image)[1]
w = w // 2
input_image = image[:, w:, :]
real_image = image[:, :w, :]
# Normaliza as imagens
input_image = tf.cast(input_image, tf.float32)
real_image = tf.cast(real_image, tf.float32)
return input_image, real_image
# Carrega e processa as imagem 27
inp, re = load(str(PATH / 'train/27.jpg'))
# Converte as imagens para inteiros para exibição no matplotlib
plt.figure()
plt.imshow(inp / 255.0)
plt.figure()
plt.imshow(re / 255.0)
<matplotlib.image.AxesImage at 0x7dba91538280>
# O conjunto de treinamento facades consiste em 400 imagens
BUFFER_SIZE = 400
BATCH_SIZE = 1
# Cada imagem tem o tamanho 256x256
IMG_WIDTH = 256
IMG_HEIGHT = 256
# Redimensiona a imagem de entrada e a imagem real para a altura e largura especificadas
def resize(input_image, real_image, height, width):
input_image = tf.image.resize(input_image, [height, width],
method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)
real_image = tf.image.resize(real_image, [height, width],
method=tf.image.ResizeMethod.NEAREST_NEIGHBOR)
return input_image, real_image
# Empilha as duas imagens juntas e realiza um recorte aleatório
def random_crop(input_image, real_image):
stacked_image = tf.stack([input_image, real_image], axis=0)
cropped_image = tf.image.random_crop(
stacked_image, size=[2, IMG_HEIGHT, IMG_WIDTH, 3])
# Separa as imagens recortadas
return cropped_image[0], cropped_image[1]
# Normaliza as imagens para o intervalo [-1, 1]
def normalize(input_image, real_image):
input_image = (input_image / 127.5) - 1
real_image = (real_image / 127.5) - 1
return input_image, real_image
@tf.function()
def random_jitter(input_image, real_image):
# Redimensionando para 286x286
input_image, real_image = resize(input_image, real_image, 286, 286)
# Recorte aleatório para 256x256
input_image, real_image = random_crop(input_image, real_image)
if tf.random.uniform(()) > 0.5:
# Espelhamento aleatório horizontal
input_image = tf.image.flip_left_right(input_image)
real_image = tf.image.flip_left_right(real_image)
return input_image, real_image
plt.figure(figsize=(6, 6))
for i in range(4):
rj_inp, rj_re = random_jitter(inp, re)
plt.subplot(2, 2, i + 1)
plt.imshow(rj_inp / 255.0)
plt.axis('off')
plt.show()
def load_image_train(image_file):
# Carrega a imagem de entrada e a imagem real
input_image, real_image = load(image_file)
# Aplica jittering aleatório durante o treinamento
input_image, real_image = random_jitter(input_image, real_image)
# Normaliza as imagens para o intervalo [-1, 1]
input_image, real_image = normalize(input_image, real_image)
return input_image, real_image
def load_image_test(image_file):
# Carrega a imagem de entrada e a imagem real
input_image, real_image = load(image_file)
# Redimensiona as imagens para 256x256
input_image, real_image = resize(input_image, real_image,
IMG_HEIGHT, IMG_WIDTH)
# Normaliza as imagens para o intervalo [-1, 1]
input_image, real_image = normalize(input_image, real_image)
return input_image, real_image
# Cria um dataset para as imagens de treinamento
train_dataset = tf.data.Dataset.list_files(str(PATH / 'train/*.jpg'))
# Aplica a função de pré-processamento para treinamento
train_dataset = train_dataset.map(load_image_train,
num_parallel_calls=tf.data.AUTOTUNE)
# Embaralha o dataset
train_dataset = train_dataset.shuffle(BUFFER_SIZE)
# Agrupa as imagens em batches
train_dataset = train_dataset.batch(BATCH_SIZE)
# cria um dataset para as imagens de teste
try:
test_dataset = tf.data.Dataset.list_files(str(PATH / 'test/*.jpg'))
except tf.errors.InvalidArgumentError:
test_dataset = tf.data.Dataset.list_files(str(PATH / 'val/*.jpg'))
# Aplica a função de pré-processamento para teste
test_dataset = test_dataset.map(load_image_test)
test_dataset = test_dataset.batch(BATCH_SIZE)
O gerador consiste de um codificador (downsampler) e um decodificador (upsampler). Cada bloco no codificador é: Convolution -> Batch normalization -> Leaky ReLU. Cada bloco no decodificador é: Convolução transposta -> Normalização em lote -> Dropout (aplicado aos 3 primeiros blocos) -> ReLU
# Número de canais de saída para as imagens
OUTPUT_CHANNELS = 3
def downsample(filters, size, apply_batchnorm=True):
# Inicializador para os pesos das camadas convolucionais
initializer = tf.random_normal_initializer(0., 0.02)
# Criação de um modelo sequencial para empilhar as camadas
result = tf.keras.Sequential()
# Adiciona uma camada de convolução
result.add(
tf.keras.layers.Conv2D(filters, size, strides=2, padding='same',
kernel_initializer=initializer, use_bias=False))
# Adiciona uma camada de normalização em lote, se necessário
if apply_batchnorm:
result.add(tf.keras.layers.BatchNormalization())
# Adiciona LeakyReLU para a função de ativação
result.add(tf.keras.layers.LeakyReLU())
return result
def upsample(filters, size, apply_dropout=False):
# Inicializador para os pesos das camadas convolucionais
initializer = tf.random_normal_initializer(0., 0.02)
# Criação de um modelo sequencial para empilhar as camadas
result = tf.keras.Sequential()
# Adiciona uma camada de transposição convolucional para upsampling
result.add(
tf.keras.layers.Conv2DTranspose(filters, size, strides=2,
padding='same',
kernel_initializer=initializer,
use_bias=False))
# Adiciona BatchNormalization
result.add(tf.keras.layers.BatchNormalization())
# Adiciona Dropout se solicitado
if apply_dropout:
result.add(tf.keras.layers.Dropout(0.5))
# Adiciona ReLU para a função de ativação
result.add(tf.keras.layers.ReLU())
return result
def Generator():
# Camada de entrada com tamanho 256x256x3
inputs = tf.keras.layers.Input(shape=[256, 256, 3])
# Camadas de downsampling (encoder)
down_stack = [
downsample(64, 4, apply_batchnorm=False), # (batch_size, 128, 128, 64)
downsample(128, 4), # (batch_size, 64, 64, 128)
downsample(256, 4), # (batch_size, 32, 32, 256)
downsample(512, 4), # (batch_size, 16, 16, 512)
downsample(512, 4), # (batch_size, 8, 8, 512)
downsample(512, 4), # (batch_size, 4, 4, 512)
downsample(512, 4), # (batch_size, 2, 2, 512)
downsample(512, 4), # (batch_size, 1, 1, 512)
]
# Camadas de upsampling (decoder)
up_stack = [
upsample(512, 4, apply_dropout=True), # (batch_size, 2, 2, 1024)
upsample(512, 4, apply_dropout=True), # (batch_size, 4, 4, 1024)
upsample(512, 4, apply_dropout=True), # (batch_size, 8, 8, 1024)
upsample(512, 4), # (batch_size, 16, 16, 1024)
upsample(256, 4), # (batch_size, 32, 32, 512)
upsample(128, 4), # (batch_size, 64, 64, 256)
upsample(64, 4), # (batch_size, 128, 128, 128)
]
# Inicializador para a última camada convolucional
initializer = tf.random_normal_initializer(0., 0.02)
# Última camada de transposição convolucional para gerar a imagem final
last = tf.keras.layers.Conv2DTranspose(OUTPUT_CHANNELS, 4,
strides=2,
padding='same',
kernel_initializer=initializer,
activation='tanh') # (batch_size, 256, 256, 3)
x = inputs
# Passa a imagem através das camadas de downsampling (encoder)
skips = []
for down in down_stack:
x = down(x)
skips.append(x)
skips = reversed(skips[:-1])
# Passa a imagem através das camadas de upsampling (decoder) e adiciona skip connections
for up, skip in zip(up_stack, skips):
x = up(x)
x = tf.keras.layers.Concatenate()([x, skip])
# Aplica a última camada de transposição convolucional para obter a imagem gerada
x = last(x)
return tf.keras.Model(inputs=inputs, outputs=x)
Agora testamos o gerador
generator = Generator()
gen_output = generator(inp[tf.newaxis, ...], training=False)
plt.imshow(gen_output[0, ...])
WARNING:matplotlib.image:Clipping input data to the valid range for imshow with RGB data ([0..1] for floats or [0..255] for integers).
<matplotlib.image.AxesImage at 0x7dba3a444af0>
A função de perda do gerador é composta por duas partes principais: a perda GAN e a perda L1 (erro absoluto médio).
# Fator de regularização para a perda L1
LAMBDA = 100
# Função de perda binária cruzada
loss_object = tf.keras.losses.BinaryCrossentropy(from_logits=True)
def generator_loss(disc_generated_output, gen_output, target):
# Perda GAN
gan_loss = loss_object(tf.ones_like(disc_generated_output), disc_generated_output)
# Perda L1 (erro absoluto médio)
l1_loss = tf.reduce_mean(tf.abs(target - gen_output))
# Perda total do gerador
total_gen_loss = gan_loss + (LAMBDA * l1_loss)
return total_gen_loss, gan_loss, l1_loss
O discriminador é responsável por distinguir entre imagens reais e imagens geradas pelo gerador. Ele toma uma imagem real e uma imagem gerada como entrada e tenta classificar se a imagem combinada é real ou falsa.
def Discriminator():
# Inicializador para os pesos das camadas convolucionais
initializer = tf.random_normal_initializer(0., 0.02)
# Camada de entrada para a imagem de entrada e a imagem alvo
inp = tf.keras.layers.Input(shape=[256, 256, 3], name='input_image')
tar = tf.keras.layers.Input(shape=[256, 256, 3], name='target_image')
# Concatena as imagens de entrada e alvo
x = tf.keras.layers.concatenate([inp, tar]) # (batch_size, 256, 256, channels*2)
# Camadas de downsampling
down1 = downsample(64, 4, False)(x) # (batch_size, 128, 128, 64)
down2 = downsample(128, 4)(down1) # (batch_size, 64, 64, 128)
down3 = downsample(256, 4)(down2) # (batch_size, 32, 32, 256)
# Padding zero para manter o tamanho da imagem após convolução
zero_pad1 = tf.keras.layers.ZeroPadding2D()(down3) # (batch_size, 34, 34, 256)
# Convolução para extrair características mais profundas
conv = tf.keras.layers.Conv2D(512, 4, strides=1,
kernel_initializer=initializer,
use_bias=False)(zero_pad1) # (batch_size, 31, 31, 512)
# Normalização em lote para estabilizar o treinamento
batchnorm1 = tf.keras.layers.BatchNormalization()(conv)
# Função de ativação LeakyReLU
leaky_relu = tf.keras.layers.LeakyReLU()(batchnorm1)
# Padding zero adicional
zero_pad2 = tf.keras.layers.ZeroPadding2D()(leaky_relu) # (batch_size, 33, 33, 512)
# Última camada de convolução para classificação
last = tf.keras.layers.Conv2D(1, 4, strides=1,
kernel_initializer=initializer)(zero_pad2) # (batch_size, 30, 30, 1)
return tf.keras.Model(inputs=[inp, tar], outputs=last)
discriminator = Discriminator()
A função de perda do discriminador é responsável por avaliar a capacidade do discriminador de distinguir entre imagens reais e imagens geradas pelo gerador. A perda do discriminador é composta por duas partes: a perda para imagens reais e a perda para imagens geradas.
def discriminator_loss(disc_real_output, disc_generated_output):
# Perda para imagens reais
real_loss = loss_object(tf.ones_like(disc_real_output), disc_real_output)
# Perda para imagens geradas
generated_loss = loss_object(tf.zeros_like(disc_generated_output), disc_generated_output)
# Perda total do discriminador
total_disc_loss = real_loss + generated_loss
return total_disc_loss
Os otimizadores são responsáveis por atualizar os pesos dos modelos durante o treinamento para minimizar as funções de perda.
generator_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
discriminator_optimizer = tf.keras.optimizers.Adam(2e-4, beta_1=0.5)
def generate_images(model, test_input, tar):
# Gera a imagem usando o modelo
prediction = model(test_input, training=True)
# Cria uma figura para exibir as imagens
plt.figure(figsize=(15, 15))
# Lista de imagens a serem exibidas
display_list = [test_input[0], tar[0], prediction[0]]
title = ['Input Image', 'Ground Truth', 'Predicted Image']
# Exibe as imagens
for i in range(3):
plt.subplot(1, 3, i+1)
plt.title(title[i])
# Getting the pixel values in the [0, 1] range to plot.
plt.imshow(display_list[i] * 0.5 + 0.5)
plt.axis('off')
plt.show()
for example_input, example_target in test_dataset.take(1):
generate_images(generator, example_input, example_target)
@tf.function
def train_step(input_image, target, step):
with tf.GradientTape() as gen_tape, tf.GradientTape() as disc_tape:
# Gera a imagem a partir da imagem de entrada
gen_output = generator(input_image, training=True)
# Calcula a saída do discriminador para imagens reais e geradas
disc_real_output = discriminator([input_image, target], training=True)
disc_generated_output = discriminator([input_image, gen_output], training=True)
# Calcula a perda do gerador e a perda do discriminador
gen_total_loss, gen_gan_loss, gen_l1_loss = generator_loss(disc_generated_output, gen_output, target)
disc_loss = discriminator_loss(disc_real_output, disc_generated_output)
# Calcula os gradientes para o gerador e o discriminador
generator_gradients = gen_tape.gradient(gen_total_loss,
generator.trainable_variables)
discriminator_gradients = disc_tape.gradient(disc_loss,
discriminator.trainable_variables)
# Aplica os gradientes para atualizar os pesos
generator_optimizer.apply_gradients(zip(generator_gradients,
generator.trainable_variables))
discriminator_optimizer.apply_gradients(zip(discriminator_gradients,
discriminator.trainable_variables))
def fit(train_ds, test_ds, steps):
# Obtém uma imagem de exemplo do conjunto de dados de teste
example_input, example_target = next(iter(test_ds.take(1)))
start = time.time()
# Loop de treinamento
for step, (input_image, target) in train_ds.repeat().take(steps).enumerate():
# A cada 5000 passos, exibe o progresso e o tempo decorrido
if (step) % 5000 == 0:
if step != 0:
print(f'Time taken for 5000 steps: {time.time()-start:.2f} sec\n')
start = time.time()
# Gera e exibe imagens de exemplo
generate_images(generator, example_input, example_target)
print(f"Step: {step//1000}k")
# Executa um passo de treinamento
train_step(input_image, target, step)
# Exibe um ponto a cada 50 passos para indicar o progresso
if (step+1) % 50 == 0:
print('.', end='', flush=True)
fit(train_dataset, test_dataset, steps=40000)
Step: 0k ...................................................................................................Time taken for 5000 steps: 574.85 sec
Step: 5k ...................................................................................................Time taken for 5000 steps: 567.89 sec
Step: 10k ....................................................................................................Time taken for 5000 steps: 568.01 sec
Step: 15k ...................................................................................................Time taken for 5000 steps: 567.23 sec
Step: 20k ....................................................................................................Time taken for 5000 steps: 566.60 sec
Step: 25k ...................................................................................................Time taken for 5000 steps: 567.00 sec
Step: 30k ...................................................................................................Time taken for 5000 steps: 567.58 sec
Step: 35k ....................................................................................................
Vamos agora ver mais exemplos de imagens geradas pelo modelo
for _ in range(3):
example_input, example_target = next(iter(test_dataset.take(1)))
generate_images(generator, example_input, example_target)